히트 발굴(Hit Selection) 및 최적화(Hit Optimization) 연구의 프로토타이핑에 유용한 주요 연구 데이터셋입니다. 논문 및 특허 수준의 결과 도출을 위한 핵심 자원을 확인하세요.
분자 기계 학습을 위한 다목적 벤치마크 데이터셋으로, 양자 역학부터 생물물리학, 생리(ADMET 포함)에 이르는 다양한 태스크를 제공한다. PCBA, HIV, MUV, Lipophilicity, ESOL 등 히트 발굴 및 특성 최적화에 직접 사용 가능하며, DeepChem 라이브러리를 통해 쉽게 접근할 수 있어 MacBook 환경에서 수십만 분자 처리 연구에 이상적이다.
View Publication2024-2025년에 활발히 업데이트되는 최신 약물 발굴 전용 벤치마크 플랫폼이다. BELKA-v1과 같은 실제 고처리량 스크리닝(HTS) 데이터와 다중 목표 최적화 벤치마크를 제공한다. 히트-투-리드 단계의 ADME 및 결합 예측에 강력하며, 최신 커뮤니티 공유 데이터셋이 많아 창의적 실험에 특히 유리하다.
Explore HubChEMBL은 약물 발굴을 위한 대규모 생체 활성 데이터베이스이고, PubChem BioAssay는 생물학적 활성 데이터의 공개 자료이다. 이들은 수천에서 수백만 개의 화합물에 대한 타겟 결합 친화도 및 HTS 결과를 포함한다. 히트 발굴 및 최적화에 가장 현실적인 데이터를 제공하며, MacBook에서 특정 타겟의 부분 집합을 추출하여 실험할 수 있다.
LIT-PCBA는 편향을 최소화한 고품질 가상 스크리닝 벤치마크로, 히트 발굴 연구에 이상적이다. MF-PCBA는 다양한 신뢰도(multifidelity)의 HTS 데이터를 제공하여 히트 풍부화(hit enrichment) 및 최적화 실험에 유용하다. 이 데이터셋은 PubChem 기반으로 쉽게 추출하여 MacBook 환경에서 활용할 수 있다.
Read Publication상업적으로 구매 가능한 수십억 규모의 화합물 라이브러리로, 대규모 가상 스크리닝 및 히트 후보 생성 실험에 필수적이다. MacBook에서는 전체 라이브러리 대신 수백만 개의 부분 집합이나 핑거프린트 기반 필터링을 통해 활용할 수 있다. 생성 모델로 새로운 히트 후보를 제안한 후 ZINC에서 유사 구조 검색 및 최적화 실험에 강력하게 활용된다.
ZINC20 AccessMoleculeNet 내의 핵심 데이터셋으로, 용해도 및 지용성(친유성) 최적화 실험에 필수적입니다. 물리화학적 특성 예측 모델 개발의 기초가 됩니다.
이러한 데이터셋들은 MacBook Pro M3 환경에서 메모리 효율적인 Python 라이브러리(RDKit, DeepChem, PyTorch/TensorFlow, scikit-learn 등)와 함께 활용하면, 수십만~수백만 규모의 데이터셋을 충분히 처리하여 창의적인 연구 주제를 프로토타이핑하고 검증하는 데 매우 효과적입니다.